全球指纹生成:可控制的扩散模型与多模式条件

科学领域:

• 计算机科学 计算机科学
• 生物识别信息 生物识别信息
• 人工智能的人工智能

背景情况:

• 用于指纹识别的合成数据生成对隐私至关重要.
• 现有的方法缺乏足够的类内变化来实现现实的指纹印记.
• 控制合成指纹中的外观因素仍然是一个挑战.

研究的目的:

• 介绍GenPrint,这是一个用于生成多种合成指纹图像的新框架.
• 为了实现可控的指纹生成,具有一致的身份和多样化的外观.
• 为了克服当前合成指纹生成技术的局限性.

主要方法:

• 使用了具有多模式 (文本和图像) 调节的潜在扩散模型.
• 开发了一个用于生成指纹的框架,具有可控制因素:类别,采集类型,传感器和质量.
• 在多个公共指纹数据集上训练和评估GenPrint.

主要成果:

• 基因印记成功地生成了多样化的指纹图像,同时保持了身份.
• 该框架提供了对外观因素的可解释控制,并从看不见的设备生成新的风格.
• 用GenPrint生成的图像达到与真实数据模型相比或更高的准确性,并增强了数据集的多样性.

结论:

• 基因印记为生成高质量,可控制的合成指纹提供了强大的解决方案.
• 该框架推进了保护隐私的生物识别技术,并提高了指纹识别系统的性能.
• 基因打印展示了扩散模型在创建多功能和现实的生物识别数据方面的潜力.